四家48小时连发，六款模型同时开卖：AI竞争的真正战场正在下沉到中间层

👁 68 次阅读

一、一个被密集发布压平的周末：48小时，四家，六款模型

9月22日原本是AI行业一个普通的工作日收尾日。但到9月23日的发稿时点，过去48小时里，四家公司先后推出了六款新模型，节奏密到罕见的程度：SpaceXAI在9月21日上线Grok 4.7，小米同日放出MiMo V2.6 Pro与Flash两个版本，Anthropic在9月22日发布Claude Opus 5.5，而OpenAI在Opus 5.5发布后大约一小时内，立刻跟进GPT-6 Sol与GPT-6 Luna。

四家、六款、48小时。这个数字本身谈不上历史纪录，但值得注意的不在数量，而在于发布的分布：旗舰层（GPT-6 Astra、Claude Fable 5.1）价格纹丝不动，真正厮杀的价格区间，全部落到了中间层。

这不是巧合，而是2026年Q3以来AI定价结构变化的一次集中显影。下面按时间线拆解。

四家AI公司在48小时内连续发布新模型 — 过去48小时：SpaceXAI、小米、Anthropic、OpenAI先后推出六款模型

二、真正被打穿的区间：中间层的价格阶梯

先看价格。综合TPSReport与印度CIO Leader的报道，本轮发布后主流模型的每百万token输入/输出标价如下：

模型	输入/百万token	缓存输入	输出/百万token
Claude Fable 5.1	$10	$0.25	$50
GPT-6 Astra	$10	$1	$50
Claude Opus 5.5	$4	$0.20	$20
GPT-5.6 Sol	$4	$0.40	$20
Grok 4.7	$2	$0.50	$6
GPT-6 Sol	$2	$0.20	$10
GPT-5.6 Terra	$2	$0.20	$12
GPT-5.6 Luna	$0.20	$0.02	$1.20
GPT-6 Luna	$0.10	$0.01	$0.50

数据来源：TPSReport、CIO Leader，检索于2026年9月23日

这张表读起来比想象中清晰。顶部两行（GPT-6 Astra、Claude Fable 5.1，均为$10/$50）在两轮更新中没有任何波动；真正被打穿的是中间四行：Anthropic把Opus从延续多代的$5/$25降到$4/$20，降幅20%，缓存输入价格进一步下调至$0.20；Grok 4.7守在$2/$6；OpenAI的GPT-6 Sol落在$2/$10。而GPT-6 Luna直接把输入价压到$0.10、输出$0.50。

Luna这个数字意味着什么？OpenAI自家历史里，比它更便宜的只有GPT-4.1 Nano（$0.10/$0.40，2025年4月）和GPT-5 Nano（$0.05/$0.40，2025年8月）。也就是说，旗舰厂牌这次把入门价位做到了历史上只属于小模型的位置。

还有一个容易被忽略的时间杠杆：GPT-5.6系列标价中带有2026年11月生效的25%涨价计划。换言之，Sol与Luna是相对当前的促销价打了五折，而参照基准本身在两个月内还要再涨一轮。

结构上，OpenAI这次给出的是一条清晰的三级阶梯：Astra负责顶级推理，Sol负责高负载编码与代理，Luna负责大体量、成本敏感的场景。Sol以$2/$10与GPT-5.6 Terra的$2/$12形成直接替代，等于主动宣告Terra产品线可以退场。

从旗舰到轻量级模型的分层定价阶梯 — 三级价格阶梯：Astra顶层、Sol中间主力、Luna走量

三、从比分数到比单位成本：代理经济学的转折

如果说价格表是表面动作，OpenAI这次真正想立住的是一套新的评价口径。

公司在公告中披露：按API标价折算，其内部研究员的日均token消耗，中位数为600美元以上，第90百分位的研究员达到7000美元以上。这个数字放在半年前几乎不可想象——它说明高价值岗位的AI消耗，已经从”每月一笔订阅费”变成了”每天一笔运营成本”。

顺着这条逻辑，OpenAI同时宣布了GPT-6的提示缓存优化：缓存命中折扣扩大到90%，并称过去数月针对GitHub Copilot的数十亿次请求，缓存优化已把需要重新处理的prompt token占比降低了50%以上。这是本轮发布里最务实的一项改进——因为代理任务的本质是长会话、高重复，缓存命中率直接决定单位任务成本。

成本对位的测试也随之成为主要叙事。在DeepSWE v1.1（长程软件工程任务）上，GPT-6 Sol在max effort下取得68.8%，Claude Fable 5在xhigh effort下取得69.9%，分差1.1个百分点；但OpenAI称Sol的单位任务成本低约80%。在AutomationBench（覆盖销售、运营、客服、财务、HR的端到端任务）上，Sol取得33.2%、单任务成本$0.27，而Claude Opus 5在max effort下取得26.9%、成本高出11.1倍。

这里必须把口径说清楚：OpenAI是在自家环境里跑自家模型，竞品数据取自公开报告；公司自己也提示生产环境结果会因系统提示词、工具链等条件而不同。这些数字应当读作方向性信号，而不是定论。但方向本身已经足够明确——”每一美元买到多少可靠产出”，正在取代”跑分高多少分”成为采购决策的第一变量。

Anthropic这边同步给出了自己的叙事：Opus 5.5定位为Claude 5.5家族的首款模型，官方宣称大部分任务已达到Claude Fable 5.1的水平，且在各努力档位上token效率更高；Sonnet 5.5与Haiku 5.5将在随后数周跟进。

独立侧已经出现了反例。开发者Simon Willison用一个常被复用的”骑自行车的鹈鹕”SVG测试，报告Opus 5.5在max思考档位下两次在128,000 token输出上限处中断，未能产出最终图像——模型在推理轨迹里反复权衡胫骨长度、链条齿数、脚位这类细节，明显过度分配了思考token。这个失败模式本身并不否定模型能力，但它提示一个通用问题：reasoning模型在简单任务上可能反而更贵、更容易触顶。

四、被中间层挤压的那一层：垂直小模型反而赢了

48小时里唯一不按前沿模型剧本走的事件，来自一家很小的公司。

9月23日，ZeroDrift发布Anchor 3.0——号称首个专门用于”执行AI通信合规规则”的小模型家族。三档规格：Anchor 3.0为90亿参数（40亿激活），基于Gemma E4B后训练，跑通200多条内置规则，覆盖FINRA、SEC等监管框架；Anchor 3.0 Max为270亿参数，基于Qwen3.8-27B后训练，面向公司自有策略免微调上线；另有一档最小规格面向高频通信流量，主打更低时延与更低成本。

成绩是95.5%的违规识别率，超过同场测试的所有前沿模型；在召回、精确率与F1三项指标上均优于该测试中最强的前沿模型GPT-5.6 Sol；同时运行速度快至34倍、成本低至12倍。基准数据来自Surge AI独立产出的人工撰写、律师标注样本，这一点让结果比自报的跑分可信得多。

这个结果之所以值得记录，不在于又一款产品发布，而在于它验证了另一个层面的分层：模型选择不再是”最强vs够用”的二元问题，而是”这个任务到底需要什么尺寸”。前沿模型在通用能力上继续拉高天花板，但在合规审查这类规则明确、语料可标注的场景里，一个40亿激活参数的小模型可以更快地给出更准的答案。

金融通信合规审查与AI规则引擎 — Anchor 3.0：95.5%违规识别率，比前沿模型快34倍、便宜12倍

五、对使用者的实际含义：四条判断

第一，旗舰层已经不是主战场

Astra与Fable 5.1连续两轮停在$10/$50，说明顶级推理能力的价格已经趋稳。真正的价格压力集中在$0.10到$2这一区间。如果你的工作量主要是编码、代理编排和批量处理，中间层的性价比正在快速拉开差距。

第二，看单位任务成本，而不是名义单价

Grok 4.7的$2/$6表面低于Sol的$2/$10，但输出token在实际代理会话中往往占大头；缓存命中率同样会改变最终账单。评估时应按目标工作负载估算一次完整任务的token消耗，而不是只看标价表的第一列。

第三，小模型在特定任务上有压倒性优势

Anchor 3.0的测试结果给出一类明确的适配场景：规则边界清晰、有专业标注语料、对时延敏感的合规与风控任务。这类场景不需要旗舰模型的通用推理能力，用大模型等于为用不到的部分付钱。

第四，警惕”标称未变、实际上涨”的两类隐性成本

一是tokenizer膨胀。此前Anthropic的Opus 4.7被独立测得同一内容token数增加35%左右，中文与代码内容更明显；二是effort档位默认上调。在Claude Code等工具中，较高档位会让同一任务的思考token成倍增加。切换到新版模型前，建议先用一次真实任务对比新旧版本的实际token消耗，再决定是否下调档位。

顺带一提MiMo V2.6这条线：Pro版1.02万亿总参数、420亿激活参数，Flash版3090亿总参数、150亿激活参数，均支持100万token上下文与文本、图像、视频、音频的完整多模态输入。据小米官网数据，Pro版在Artificial Analysis智能指数上得46.32分，超过Kimi K3与Qwen3.8 Max。开源多模态这一档同样在被重新定价。